Kimi K2 Instruct — это крупномасштабная языковая модель Mixture-of-Experts (MoE), разработанная Moonshot AI, с общим количеством параметров в 1 триллион и 32 миллиардами активных параметров на каждый прямой проход. Она оптимизирована для агентских возможностей, включая расширенное использование инструментов, рассуждение и синтез кода. Kimi K2 превосходно показывает себя в широком спектре бенчмарков, особенно в задачах кодирования (LiveCodeBench, SWE-bench), рассуждения (ZebraLogic, GPQA) и использования инструментов (Tau2, AceBench). Модель поддерживает вывод с длинным контекстом до 128K токенов и разработана с использованием нового стека обучения, который включает оптимизатор MuonClip для стабильного крупномасштабного обучения MoE.
Провайдер для MoonshotAI: Kimi K2 0711
Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.
Модальности
Провайдеры
Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.
Novita | 64,39 ₽ | 259,81 ₽ | — | — | 100,0 % |
Поддерживаемые параметры
Другие модели от moonshotai
MoonshotAI: Kimi K3
Kimi K3 — это сверхкрупномасштабная, открытая мультимодальная модель рассуждений от Moonshot AI. Она подходит для сложного кодирования, работы со знаниями и долгосрочных агентных рабочих процессов, и особенно сильна в навигации по большим репозиториям, использовании инструментов, отладке и итерациях с изображениями, логами, тестами и обратной связью во время выполнения. Её архитектура использует KDA и Attention Residuals для вычислительной эффективности.
MoonshotAI: Kimi K2.7 Code
MoonshotAI: Kimi K2.7 Code — это модель семейства Kimi K2 от Moonshot AI, ориентированная на кодирование и предназначенная для надёжного выполнения сквозных задач программирования в длинных контекстах. Она использует нативную мультимодальную архитектуру MoE, которая принимает текстовые и графические входные данные, и всегда работает в режиме мышления, сохраняя полное содержание рассуждений в многоходовых диалогах. С окном контекста в 256K токенов, она нацелена на долгосрочное кодирование, декомпозицию агентских задач и многоходовый диалог. Модель активирует 32 миллиарда параметров из примерно 1 триллиона общих.
MoonshotAI Kimi Latest
Эта модель всегда перенаправляется на последнюю модель в семействе MoonshotAI Kimi.
MoonshotAI: Kimi K2.6
Kimi K2.6 — это мультимодальная модель нового поколения от Moonshot AI, разработанная для долгосрочного кодирования, генерации UI/UX на основе кодирования и оркестрации мультиагентов. Она справляется со сложными сквозными задачами кодирования на Python, Rust и Go, а также может преобразовывать промпты и визуальные входные данные в готовые к производству интерфейсы. Её архитектура роя агентов масштабируется до сотен параллельных субагентов для автономной декомпозиции задач — создания документов, веб-сайтов и электронных таблиц за один запуск без участия человека.
MoonshotAI: Kimi K2.5
Kimi K2.5 — это нативная мультимодальная модель Moonshot AI, обеспечивающая передовые возможности визуального кодирования и парадигму самонаправляемой агентной системы. Созданная на базе Kimi K2 с продолженным предварительным обучением на примерно 15 триллионах смешанных визуальных и текстовых токенов, она демонстрирует высокую производительность в общем рассуждении, визуальном кодировании и агентном вызове инструментов.
MoonshotAI: Kimi K2 Thinking
Kimi K2 Thinking — это самая передовая открытая модель рассуждений Moonshot AI на сегодняшний день, расширяющая серию K2 в область агентных рассуждений с длительным горизонтом. Построенная на архитектуре Mixture-of-Experts (MoE) с триллионом параметров, представленной в Kimi K2, она активирует 32 миллиарда параметров за один прямой проход и поддерживает контекстные окна размером 256 тысяч токенов. Модель оптимизирована для последовательного пошагового мышления, динамического вызова инструментов и сложных рабочих процессов рассуждений, охватывающих сотни ходов. Она чередует пошаговые рассуждения с использованием инструментов, обеспечивая автономные исследования, кодирование и написание текстов, которые могут продолжаться сотни последовательных действий без отклонений. Она устанавливает новые открытые бенчмарки на HLE, BrowseComp, SWE-Multilingual и LiveCodeBench, сохраняя при этом стабильное многоагентное поведение на протяжении 200–300 вызовов инструментов. Построенная на крупномасштабной архитектуре MoE с оптимизацией MuonClip, она сочетает в себе сильную глубину рассуждений с высокой эффективностью вывода для требовательных агентных и аналитических задач.